Question

当我尝试从数据框中随机选择每组10个样品时，我试图弄清楚样品功能的工作原理。

我有一个5列和7000行的数据框。我将数据集分为大约200个组。然后，我想从每个组中随机选择10个样本。有些小组的样本少于10个。因此，当我尝试采样它们时，我设置了replace = T。但是，当我检查输出时，我发现一些组，该组中的10个以上的样本具有重复样本。

我不确定该如何解决？

  mydata2<- split(mydf,mydf$Group)
  names(mydata2)<-paste0("mydata2",1:length(levels(mydf$Group))) 
  mysample<-Map(function(x) x[sample((1:nrow(x)),size=10,replace=T),], 
  mydata2)

Answer 1

让我们首先了解replace的概念。

默认情况下，replace中的FALSE是sample。因此，当您这样做

sample(1:5, 2)
#[1] 4 1

由于replace默认设置为FALSE，因此不允许重复元素。它将从1:5中随机选择2个唯一元素。

但是现在当你这样做

sample(1:5, 6)

它会导致错误提示

sample.int（length（x），size，replace，prob）中的错误：当'replace = FALSE'时，样本不能大于总体样本

这意味着您尝试从1:5中获取6个唯一元素，这是不可能的，因为其中只有5个唯一元素。因此，当您设置replace = TRUE时，您说的是允许重复元素。

sample(1:5, 6, replace = TRUE)
#[1] 3 3 5 3 1 1

在这里，我们看到replace = TRUE元素3被重复，而在第一个示例中，您运行了3次，它将永远不会重复元素。

所以，现在我希望replace的概念对您很清楚。现在，您只想在列表中少于10行时重复行。因此，您可以相应地添加条件

lapply(mydata2, function(x) x[sample(1:nrow(x) ,size=10, replace=nrow(x) < 10), ])

仅当数据帧中的行数少于10时，才为TRUE。

使用mtcars的可复制示例

table(mtcars$cyl)

# 4  6  8 
#11  7 14

我们看到cyl = 6有7行，少于10行。

mydata2 <- split(mtcars, mtcars$cyl)

lapply(mydata2, function(x) x[sample(1:nrow(x) ,size=10, replace=nrow(x) < 10), ])


#$`4`
#                mpg cyl  disp  hp drat    wt  qsec vs am gear carb
#Fiat X1-9      27.3   4  79.0  66 4.08 1.935 18.90  1  1    4    1
#Merc 230       22.8   4 140.8  95 3.92 3.150 22.90  1  0    4    2
#Toyota Corolla 33.9   4  71.1  65 4.22 1.835 19.90  1  1    4    1
#Honda Civic    30.4   4  75.7  52 4.93 1.615 18.52  1  1    4    2
#Toyota Corona  21.5   4 120.1  97 3.70 2.465 20.01  1  0    3    1
#Lotus Europa   30.4   4  95.1 113 3.77 1.513 16.90  1  1    5    2
#Volvo 142E     21.4   4 121.0 109 4.11 2.780 18.60  1  1    4    2
#Fiat 128       32.4   4  78.7  66 4.08 2.200 19.47  1  1    4    1
#Datsun 710     22.8   4 108.0  93 3.85 2.320 18.61  1  1    4    1
#Merc 240D      24.4   4 146.7  62 3.69 3.190 20.00  1  0    4    2

#$`6`
#                mpg cyl  disp  hp drat    wt  qsec vs am gear carb
#Valiant        18.1   6 225.0 105 2.76 3.460 20.22  1  0    3    1
#Valiant.1      18.1   6 225.0 105 2.76 3.460 20.22  1  0    3    1
#Mazda RX4      21.0   6 160.0 110 3.90 2.620 16.46  0  1    4    4
#Ferrari Dino   19.7   6 145.0 175 3.62 2.770 15.50  0  1    5    6
#Valiant.2      18.1   6 225.0 105 2.76 3.460 20.22  1  0    3    1
#Mazda RX4.1    21.0   6 160.0 110 3.90 2.620 16.46  0  1    4    4
#Mazda RX4 Wag  21.0   6 160.0 110 3.90 2.875 17.02  0  1    4    4
#Merc 280C      17.8   6 167.6 123 3.92 3.440 18.90  1  0    4    4
#Hornet 4 Drive 21.4   6 258.0 110 3.08 3.215 19.44  1  0    3    1
#Merc 280       19.2   6 167.6 123 3.92 3.440 18.30  1  0    4    4

#$`8`
#                     mpg cyl  disp  hp drat    wt  qsec vs am gear carb
#Dodge Challenger    15.5   8 318.0 150 2.76 3.520 16.87  0  0    3    2
#Camaro Z28          13.3   8 350.0 245 3.73 3.840 15.41  0  0    3    4
#Ford Pantera L      15.8   8 351.0 264 4.22 3.170 14.50  0  1    5    4
#Merc 450SLC         15.2   8 275.8 180 3.07 3.780 18.00  0  0    3    3
#AMC Javelin         15.2   8 304.0 150 3.15 3.435 17.30  0  0    3    2
#Pontiac Firebird    19.2   8 400.0 175 3.08 3.845 17.05  0  0    3    2
#Duster 360          14.3   8 360.0 245 3.21 3.570 15.84  0  0    3    4
#Cadillac Fleetwood  10.4   8 472.0 205 2.93 5.250 17.98  0  0    3    4
#Hornet Sportabout   18.7   8 360.0 175 3.15 3.440 17.02  0  0    3    2
#Lincoln Continental 10.4   8 460.0 215 3.00 5.424 17.82  0  0    3    4

在输出中，我们可以看到仅对cyl = 6重复了行，而对其他人则没有重复。

Answer 2

仅当组小于最小大小时才使用replace=T吗？此标志允许样本中出现重复项，从而导致您观察到的行为。

替换-如果是这样，则一个样本可能多次包含一个元素，而另一个元素可能根本没有出现。

http://www.rexamples.com/14/Sample()

样本功能中的替换意味着什么？

2 个答案: